RS与GIS支持下的南昌市主城区扩张现状及预测分析研究

摘要

当前我国正经历着快速的城市化，以 GIS、RS 为技术支持，研究城市的扩张能为城市规划、管理等提供决策依据。本文以南昌市主城区为研究对象，采用六个时期的Landsat TM/ETM+/OLI遥感影像数据，运用卫星遥感技术和GIS空间分析方法，对 1991 年-2016 年的城市建设用地的变化情况进行研究，通过提取土地利用类型信息，掌握其扩张的时空特征，结合区域自然地理及社会经济发展数据资料分析扩展的影响因子，再基于人工神经网络的CA模型预测了2021年南昌市主城区土地利用变化态势。本文的主要研究内容与成果如下：　　1）面对25年时间跨度的城巿土地利用信息的提取问题，选择了六个时期(1991、1996、2001、2007、2011和2016年)的影像数据，采用CBI指数提取建筑物特征，与SEaTH算法结合进行影像分类，将此分类结果与对三种监督分类（最大似然、神经网络、SVM）方法的分类结果进行精度对比，发现基于CBI指数与SEaTH算法结合的影像分类效果更好，提取精度较高，最终得到六个时期的城巿扩张现状。　　2）利用GIS技术提取南昌市主城区的建成用地面积，根据扩张速度和强度指数分析城市扩张的时间特征，发现南昌市主城区经历了低速-中速-高速-高速-快速的扩张，再结合象限分析、缓冲区分析方法研究其空间特征，得到南昌市主城区的建成用地呈现出内部填充及外延性扩展的特征。　　3）从定量和定性两个角度综合对扩张驱动力因素进行了详细分析。选取11个指标，运用主成分分析法提取到两个公因子，并用回归分析构建城市建成区面积变化的回归模型，确定影响因子，定性的阐述了社会经济、人口数量、交通以及自然条件、政府相关政策等方面的影响因素。　　4）借助人工神经网络的CA模型，改进CA模型中交通因子的表达方式。考虑邻域环境、地形条件、交通道路网络的可达性作用，通过神经网络获取转换规则，对南昌市主城区 2007 年和 2016 年的土地利用进行模拟，结合逐点对比的方法验证， Kappa 系数分别为 0.82、0.85，基于此对南昌市主城区 2021 年土地利用情况进行模拟，得到南昌市主城区2021年建成区面积为661.58km2，较2016年增加66.17km2，其中新建区扩张最为突出，而青云谱区、湾里区的扩张相对缓慢，说明市区内发展空间到达一定程度，城市扩张主要转向新建区，其次为湾里区。

目录

声明

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 研究内容与技术路线

1.4 论文组织结构

2 研究区与数据处理

2.1 研究区概况

2.2 研究数据

2.3 遥感数据预处理

2.4 其他数据预处理

2.5 基于CBI指数的不透水面与SEaTH算法结合的影像分类

2.6 本章小结

3 城市建成区扩张时空特征分析

3.1 土地利用数量变化分析

3.2 城市建成区提取

3.3 城市建成区扩张时间特征分析

3.4 城市建成区扩张空间特征分析

3.5 本章小结

4 城市建成区扩张驱动力分析

4.1 驱动力因子提取

4.2 驱动力因素分析

4.3 本章小结

5 城市建成区扩张的预测研究

5.1 元胞自动机

5.2 基于人工神经网络的CA模型

5.3 模拟结果验证

5.4 本章小结

6 结论与展望

6.1 结论

6.2 不足与展望

致谢

参考文献